2026年8月5日，谷歌迎来近年来最猛烈的一次AI人才地震。诺贝尔化学奖得主、Google DeepMind联合创始人兼CEO德米斯·哈萨比斯正式卸任日常管理职责，转任DeepMind董事长兼Alphabet首席科学家。而更令业界震动的，是效力谷歌27年的首席科学家Jeff Dean的正式离职。
与他一同离开的还有三位谷歌顶级研究员：长达二十余年的技术搭档、美国国家工程院院士Sanjay Ghemawat，Google Brain联合创始人、AutoML之父Quoc Le，以及DeepMind研究副总裁、Gemini联合负责人Oriol Vinyals。四人共同创立了一家名为Discovery Loop（亦称DiscoLoopAI）的AI初创公司。
消息公布当天，Alphabet股价盘中应声跳水5.4%，收盘跌超4%。市值高达4.4万亿美元的谷歌，一日蒸发逾1800亿美元。
从第30号员工到基础设施之神
1999年，Jeff Dean加入谷歌时，这家公司只有25个人，办公室在帕洛阿尔托一家T-Mobile门店的楼上。他是谷歌的第30号员工。27年后，他离开时，谷歌已拥有超过19万名员工、13款产品用户超过10亿。这段跨越四分之一世纪的职业生涯，几乎等同于谷歌全部的技术史。
Dean本科就读于明尼苏达大学计算机科学与工程专业，后在华盛顿大学取得计算机科学博士学位，师从编译器优化领域的权威Craig Chambers。这些扎实的底层技术功底，为他日后搭建大规模分布式系统埋下了伏笔。
加入谷歌后，Dean与Sanjay Ghemawat组成了传奇搭档。两人共同设计了Google文件系统（GFS）、MapReduce、BigTable和Spanner——这些分布式计算系统支撑了谷歌搜索的全球基础设施。没有这些东西，就没有谷歌搜索、没有Gmail、没有Google Ads。在谷歌内部，Dean和Ghemawat是仅有的两位获得”Senior Fellow”最高技术荣誉的人，职级L11，突破了原有10级的上限。
2011年，Dean联合创立了Google Brain，让神经网络第一次识别出YouTube视频里的猫。此后，他推动了TensorFlow深度学习框架的开发和TPU芯片的设计。2023年Google Brain与DeepMind合并后，Dean出任谷歌研究院和Google DeepMind首席科学家，联合领导Gemini大模型项目。就连”Gemini”这个名字，也是他提出的。在学术界，Dean是计算机领域高被引学者，曾拿下IEEE冯·诺依曼奖，是美国工程院院士。
Discovery Loop：让AI自己跑通科研的全流程
8月5日，Jeff Dean在X平台上用极为平静的语气宣告了这场离别：”明天将是我在谷歌的最后一天，在这里度过了27年，目睹它从25人发展到超过190000人，这是一段令人惊叹的旅程。”
但他同时宣布了下一步的计划：与Sanjay Ghemawat、Quoc Le和Oriol Vinyals四人共同创立Discovery Loop。
Discovery Loop的使命，用创始团队自己的话说，是”自动化机器学习、科学和工程的实验循环”。
这句话需要拆开理解：科学研究的核心流程是一个循环——提出假设、设计实验、执行实验、检验结果、基于结果提出新假设。人类做了几百年的科学，靠的就是这个循环。问题在于，这个循环极度依赖人工，速度受限于人类的精力和时间。
Discovery Loop要做的，就是用AI模型和大规模算力把这个循环自动化，同时发起并迭代数千个实验，部分甚至完全取代人工的实验循环。
具体路线分三步：第一步，先拿机器学习研究本身开刀——用AI自动做AI研究，自动提出实验方案、自动跑评估、自动迭代模型。这是最务实的起点，因为机器学习研究的反馈循环最短、评估指标最清晰、数据最现成。第二步，用这套能力优化自己的技术栈——让自己成为自己的第一个客户。第三步，推广到更广阔的科学和工程领域，包括硬件设计、药物发现和清洁能源。
公司还在探索一条更具野心的路径——RSI”递归自我改进”：利用AI开发更强大的AI，将人工干预环节从研发循环中彻底剥离出去。
创始团队在联合声明中写道：”AI的下一个前沿，不只是回答问题，而是开始做出发现。”
公司的种子轮由Radical Ventures和Khosla Ventures联合领投，Lightspeed、Kleiner Perkins、Doerr Capital以及Alphabet本身都参与了投资。金额和估值均未披露。值得注意的是，谷歌不仅投了钱，还将作为云合作伙伴为Discovery Loop提供至少第一年的算力支持。
四名创始人至今还没租办公室、没招第一个员工。被问到谁是CEO时，Dean停顿了一下，有些不好意思地说：”我想我是CEO吧。大家指着我。”
离职前的最后一次公开对话藏着创业计划书
7月25日，Y Combinator《Startup School 2026》在旧金山Chase Center举行。Dean与YC管理合伙人Diana Hu展开了一场长达57分钟的炉边对谈。这场对谈后来被广泛视为Dean离职前最后一次、也是最重要的一次公开战略思考。而他在这场对谈中透露的每一个判断，几乎都精确对应了Discovery Loop的底层设计。
当Diana Hu请Dean给出一个对2027年的大胆预测时，Dean的回答几乎一字不差地复刻了Discovery Loop的使命宣言：”你会看到机器学习系统本身被大量自动化——让ML系统通过跑大量实验来提升自己的能力，把问题拆解成子问题，把每个子问题放进一个紧密的自动实验循环里，再把结果拼起来，最终产出改进过的系统。”
Dean进一步阐释了这个逻辑的普适性：”只要一个任务的目标是可度量的，就可以用自动实验循环来改进。”他还给出了一个更具体的量化判断：到2027年，这种自动化将不再是实验室里的概念验证，而是可大规模部署的生产力工具。
被问及”这个房间里6000个人普遍相信、但其实已经不成立的假设是什么”时，Dean给出了一个让全场安静的答案。他说人们普遍认为AI Agent只能自主运行一两个小时，但在某些问题域、底层模型足够强的情况下，Agent可以连续跑几天甚至几周，去攻克那些真正复杂的任务——比如把一整套软件用另一种语言重写成安全性或性能更优的版本。
这个洞察直接指向Discovery Loop的核心能力：让AI系统在无人干预的情况下，持续运行数千个并行实验循环。
Dean还指出了一个被绝大多数创业者忽视的战场。他坦言，训练大模型需要天量算力和数据，但上下文工程只需要一个API。他把上下文工程定义为”普通团队唯一能和大厂站上同一起跑线的战场”。这个判断对Discovery Loop的商业模式有直接映射：公司不需要自己从零训练万亿参数的基础模型，而是站在通用模型之上，通过精密的上下文工程和实验循环设计，在特定领域跑出通用模型跑不出的结果。
对谈的十二天后，Dean正式宣布离职。他描述的那个”自动化版的科学方法”、那个”让ML系统通过跑大量实验来提升自己”的愿景全部精确落地为Discovery Loop的使命宣言。台下那6000名准创始人当时并不知道，他们听到的不仅是一场对谈，而是一份尚未公开的创业蓝图。
Discovery Loop押注的”递归自我改进”，本质上是在回答一个终极问题：当AI足够聪明到可以研究自己时，人类在创新循环中还将扮演什么角色？这个赛道真正的想象力不在于”更好的AI产品”，而在于重新定义”发现”这件事本身的生产函数——当实验循环从以年为单位压缩到以天为单位，当假设生成从人类灵感的稀缺品变成算法并发的规模品，科学的边界将被重新绘制。
而Jeff Dean，这个曾用MapReduce重新定义了数据处理的男人，正试图用同样的逻辑重新定义科学研究本身。
